Explore the vast range of titles available.

في الآونة الأخيرة ذاع وانتشر مصطلح الذكاء الاصطناعي وتطبيقاته المختلفة، كالتعلم الآلي والتعلم العميق ومعالجة اللغة الطبيعية ورؤية الحاسب الآلي، واستخدم في العديد من القطاعات، ونتج عنه تطوير في الأعمال من حيث الأداء والسرعة والجودة، هذا التطوير امتد أيضا إلى المكتبات ومراكز المعلومات باعتبارها مؤسسات تقدم خدمات معرفية، ويلقي البحث الضوء على عملية استخراج البيانات الببليوجرافية من مصادر المعلومات وبخاصة المواد النصية التي تتضمن (الكتب والمقالات العلمية)، ويعد البحث تشجيعا لمؤسسات المعلومات ومؤسسات صناعة المعرفة وبالتحديد الناشرين والمكتبات ومراكز المعلومات على تبني استخدام أدوات استخراج البيانات الببليوجرافية، ويوفر النموذج المقترح إطارا عاما لاستخراج البيانات الببليوجرافية من مصادر المعلومات -النصية -العربية، وتسهيل عمل المفهرسين وليس إلغاء دورهم كاملا، وإن كان من الممكن أن تحجم التقنية من دور المفهرس، وقد تم ا لاعتماد على المنهج الوصفي التحليلي لتوضيح ماهية الذكاء الاصطناعي وتطبيقاته، والتعريف بماهية الفهرسة الوصفية، وتوضيح دور الناشر في عملية إنشاء التسجيلات الببليوجرافية، والاستفادة من إمكانات التعلم الآلي في استخراج البيانات الببليوجرافية من مصادر المعلومات النصية، وتضمنت الدراسة عرضا لبنية ومكونات النموذج المقترح لاستخراج البيانات الببليوجرافية خروجا من ذلك بعدد من النتائج والتوصيات.

Anemia is a prevalent condition in women, often due to iron deficiency, pregnancy, or menstrual blood loss. Early detection is crucial for effective treatment and management. The objective is to evaluate and compare various machine-learning algorithms to determine which ones are most effective for predictive classification tasks in the context of medical data. The dataset consists of records from 180 women, randomly selected from several hospitals and clinics in Sulaimani City, to investigate anemia. The algorithms used for comparison of Bayes Net (BN), Random Forest (RF), Random Tree (RT), Logistic Model Tree (LMT), trees J48 and Reduced Error Pruning (REP) Tree are supervised learning algorithms used extensively for classification purposes and are chosen for their variety. The performance of these algorithms is compared using various performance criteria based on the confusion matrix, such as Accuracy, Recall/Sensitivity, Specificity, True Positive Rate (TP Rate), False Positive Rate (FP Rate), Precision, F-Score, Matthews Correlation Coefficient (MCC), and the Receiver Operating Characteristic (ROC). Based on the analysis of this data, the Logistic Model Tree (LMT) demonstrates superior classification performance, achieving 97.78% in Accuracy (Correctly Classified), 94.3% in MCC, and 99.6% in ROC compared to other classifiers.

يعد أمن شبكات الطائرات من دون طيار حاليا موضوعا ساخنا للبحث، وتعد المركبات الجوية من دون طيار (UAVs) تقنية مبتكرة لشبكات الاتصالات اللاسلكية القادمة. بدأ جزء كبير من مجتمع البحث في دمج الذكاء الاصطناعي في مركز شبكات الطائرات من دون طيار باستخدام خوارزميات التعلم الآلي (ML) لمعالجة مجموعة متنوعة من المشكلات المتعلقة بالطائرات من دون طيار. إلى جانب ذلك، يعد اختراق الشبكة خطرا متزايدا يمكن أن يكون له عواقب وخيمة. لذلك، فإن تطوير أنظمة اكتشاف الهجوم باستخدام تقنيات التعلم الآلي وتعدين البيانات هي الطريقة الأكثر استخداما لمكافحة اختراق الشبكة. من أجل حل مشكلة الأمان، يقترح هذا البحث إطار عمل لاكتشاف اختراق شبكة الطائرات من دون طيار، ويمكنه حل مشكلاتها. علاوة على ذلك، قدم وصفا شاملا لبعض تطبيقات التعلم الآلي المحتملة في الشبكات القائمة على الطائرات من دون طيار. نجري اختبارات باستخدام مجموعة بيانات NSL-KDD. تبلغ دقة هذا الإطار في تجارب التصنيف الثنائي ۱۰۰% و۹۹,۳% و۸۸,۸% و۸۸,۳%. وسنشير أيضا إلى حدود البحث الحالي، ونقترح بعض خوارزميات التعلم الآلي لتطبيقات شبكة الطائرات من دون طيار في المستقبل. في النهاية، يركز الإطار المقترح على تحسين الأمن السيبراني للطائرات من دون طيار وأجهزة إنترنت الأشياء. لذلك، توفر التغييرات في IDT وIoT فرصا جديدة بينما تثير أيضا قضايا جديدة حول خصوصية البيانات والأمان. من حيث خصوصية البيانات، فإن البنية الحالية ليست آمنة وموثوقة بعد.

Classification task in data mining is distinguish between objects of different classes and predictive modeling to predict the class label of unknown record. In this paper, we present the k-nearest neighbor classifier technique (KNN) which is the simplest Machine Learning algorithms method of classification task including basic concept of KNN method, KNN advantages, Limitation of KNN and application of KNN. We show several major studies and researches that had been done to enhance the KNN method. The goal of this survey is to provide a comprehensive review of k-nearest neighbor classifier technique (KNN) in Data mining.

This study explores the utilization of ML content analysis algorithms to create a robust digital identity for Arabic national libraries by analyzing their mission and vision statements. The proposed approach aims to align the digital identity with the core roles, values, tasks, and strategic goals of these libraries, thereby fostering a coherent and impactful online existing. the study employed a practical method for applying machine learning model on deriving digital identities depending on the libraries mission statement and vision. the population of study consisted of a selection of six Arabic national libraries, where these libraries provide access to their mission and vision statements by their websites. The most importance findings were that Topic modeling with LDA algorithm is a powerful methodology for discovering hidden themes in Arabic National Libraries vision and mission statements to build a digital identity for these libraries.